Neurex

Ivo Vondrak Apps

या अ‍ॅपविषयी

न्यूरेक्स ही बहुस्तरीय न्यूरल नेटवर्कवर आधारित एक तज्ञ प्रणाली आहे. न्यूरल नेटवर्क आणि कनेक्शनिझमचा युग निर्णय समर्थनासाठी आणि त्याच्या वापरकर्ता-अनुकूल अनुप्रयोगासाठी विश्वसनीय ज्ञान मिळविण्यावर एक नवीन दृष्टीकोन प्रदान करतो. पारंपारिक तज्ञ प्रणाली, ज्या नियम-आधारित आणि/किंवा फ्रेम-आधारित आहेत, त्यांना अनेकदा विश्वासार्ह ज्ञान आधार तयार करण्यात आव्हानांचा सामना करावा लागतो. न्यूरल नेटवर्क या अडचणींवर मात करू शकतात. तज्ञांशिवाय ज्ञान आधार तयार करणे शक्य आहे, केवळ सोडवलेल्या क्षेत्राचे वर्णन करणारे डेटा संग्रह वापरून किंवा ज्या तज्ञांचे ज्ञान शिकण्याच्या प्रक्रियेदरम्यान सत्यापित केले जाऊ शकते अशा तज्ञांसह. तज्ञ प्रणालीच्या वापर प्रक्रियेचे वर्णन खालीलप्रमाणे केले जाऊ शकते:

१. न्यूरल नेटवर्क टोपोलॉजीची व्याख्या: या चरणात इनपुट आणि आउटपुट तथ्यांची संख्या परिभाषित करणे तसेच लपलेल्या स्तरांची संख्या निश्चित करणे समाविष्ट आहे.
२. इनपुट आणि आउटपुट तथ्ये (गुणधर्म) तयार करणे: प्रत्येक तथ्य इनपुट किंवा आउटपुट स्तरातील न्यूरॉनशी जोडलेले आहे. प्रत्येक गुणधर्मासाठी मूल्यांची श्रेणी देखील परिभाषित केली आहे.
३. प्रशिक्षण संचाची व्याख्या: सत्य मूल्ये (उदा. ०-१००%) किंवा मागील चरणांमध्ये परिभाषित केलेल्या श्रेणीतील मूल्ये वापरून नमुने प्रविष्ट केले जातात.
४. नेटवर्कचा शिक्षण टप्पा: न्यूरॉन्समधील कनेक्शनचे वजन (सिनॅप्स), सिग्मॉइड फंक्शन्सचे उतार आणि न्यूरॉन्सचे थ्रेशोल्ड बॅक प्रोपॅगेशन (बीपी) पद्धतीचा वापर करून मोजले जातात. या प्रक्रियेसाठी पॅरामीटर्स परिभाषित करण्यासाठी पर्याय उपलब्ध आहेत, जसे की शिक्षण दर आणि शिक्षण चक्रांची संख्या. ही मूल्ये तज्ञ प्रणालीची स्मृती किंवा ज्ञान आधार तयार करतात. शिक्षण प्रक्रियेचे परिणाम सरासरी वर्ग त्रुटी वापरून प्रदर्शित केले जातात आणि सर्वात वाईट नमुना आणि त्याच्या टक्केवारी त्रुटीचा निर्देशांक देखील दर्शविला जातो.
५. प्रणालीशी सल्लामसलत/अनुमान: या टप्प्यात, इनपुट तथ्यांची मूल्ये परिभाषित केली जातात, त्यानंतर आउटपुट तथ्यांची मूल्ये त्वरित काढली जातात.